如何把握新趋势下的智能制造?

如何把握新趋势下的智能制造?

5月29日,由深圳市人工智能行业协会与创新奇智共同主办的《新基建·智生产——新基建下的AI驱动力》线上直播活动如期召开。此次线上直播由创新奇智AI解决方案专家李洪雨为大家带来《创新奇智智能制造综合解决方案》的主题演讲。

创新奇智认为,人工智能是制造业迎接智能新时代的重要驱动力,无论从哪个环节入手都需要有高水平的技术团队不断深耕应用场景,才能为企业提高生产效率、提升产品质量。

如何把握新趋势下的智能制造?

李洪雨表示,一般认为工业智能分为三大块,工业自动化(上料、下料、生产、物流)、工业视觉(定位、检测、测量、识别)、工业云平台(数据采集、设备管理、联机统计分析),创新奇智主要专注于工业视觉领域。

李洪雨介绍到,创新奇智推出了ManuVision工业视觉平台,可以应用在高科技/3C、纺织服装、汽车装备、钢铁冶金、磁性材料、无损探伤等领域。通过将传统计算机视觉技术与当今的深度学习视觉技术相结合,为客户提供一个整体的解决方案。

创新奇智曾推出了紧固件外观及瑕疵检测的解决方案。在此前,传统的光学筛选智能检测尺寸和螺纹有无、斜牙等明显的缺陷。而裂纹、划伤、压伤等缺陷需要人工检测,但人工的误差率很高,检测效率低,人工成本很高。

而创新奇智紧固件质检一体机采用人工智能技术,实现尺寸检测、表面缺陷检测,同时支持多种螺丝(M3-M8)检测,可方便地实现模型上新和部署。检测的尺寸精度达到±0.02mm,缺陷检出率>99%,过筛率小于5%;检测速度达到300pcs/min。不仅在效率上胜过人工检测,在缺陷检测准确率上也更高。

除了工业视觉外,李洪雨表示,创新奇智还推出了MatrixVision安全生产应用,让企业能够安全生产。比如进行施工监测,进行安全生产行为分析,可以支持烟火检测、物体检测、安全施工、行为事件等,为施工安全增添一份保障。

此外,创新奇智还推出了Orion决策智能平台,可以帮助用户进行预测性维护、能效管理、供应链优化、生产管理优化等。

以预测性维护为例,首先综合多种来源、多模态、多物理数据,并根据需要引入新型传感设备来对需要维护的设备进行感知;通过检索、训练、分析、推理等步骤,逐步构建工业领域知识数字化模型进行诊断;研究故障机理并借助机器学方法,基于历史数据学习通用故障模式,学习装备正常行为;最后预测设备状态,如剩余寿命估计;预测工作环境,如根据数据推测未来风力。

预测性维护可以进行状态检测、故障诊断、状态预测、维修决策支持和维修活动、备品备件的库存管理等。帮助企业减少人员巡检次数,降低非人为因素意外宕机次数(时长)、降低维护费用。

联系我们

联系我们

13316818691

邮箱: marketing@saiia.org.cn

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部